README.md

🌐 ការគាំទ្រភាសាច្រើន

គាំទ្រដោយរយៈ GitHub Action (ដោយស្វ័យប្រវត្តិ និងតែងតែទាន់សម័យ)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

ចូលចិត្ត Clone តាមកុំព្យូទ័រដោយផ្ទាល់?

ឃ្លាំងនេះរួមបញ្ចូលការប្រែសម្រួលជាមុខងារភាសាច្រើនជាង ៥០ ដែលបង្កើនទំហំទាញយកយ៉ាងច្រើន។ ដើម្បី clone ដោយគ្មានការប្រែសម្រួល, សូមប្រើ sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

នេះនឹងផ្តល់អ្នកទាំងអស់ដែលអ្នកត្រូវការដើម្បីបញ្ចប់វគ្គនេះដោយមានការទាញយករហ័សជាងមុន។

ចូលរួមសហគមន៍របស់យើង

យើងមានស៊េរី Discord រៀនជាមួយ AI កំពុងបន្តនៅឡើយ, សូមរៀនបន្ថែម និងចូលរួមជាមួយយើង នៅ Learn with AI Series ចាប់ពី 18 ដល់ 30 ខែកញ្ញា, 2025។ អ្នកនឹងទទួលបានក្បួននិងល្បិចក្នុងការប្រើប្រាស់ GitHub Copilot សម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ។

ម៉ាស៊ីនរៀនសម្រាប់អ្នកចាប់ផ្តើម - មេរៀនមួយសិក្ខាសាលា

🌍 ប្រាស្រ័យទំនាក់ទំនងជុំវិញពិភពលោក ខណៈពេលយើងស្វែងយល់អំពីម៉ាស៊ីនរៀនតាមរយៈវប្បធម៌ពិភពលោក 🌍

ក្រុម Cloud Advocates នៅ Microsoft មានសេចក្ដីរំភើបផ្តល់ជូនមេរៀន ១២ សប្តាហ៍ ២៦ ចំណងជើងទាំងអស់ស្ដីពី ម៉ាស៊ីនរៀន។ ក្នុងមេរៀននេះ អ្នកនឹងរៀនអំពីអ្វីដែលគេស្គាល់ថា ម៉ាស៊ីនរៀនចាស់ បន្ទាប់ពីប្រើប្រាស់សៀករីតឡើនជាលក្ខណៈបណ្ណាល័យ និងជៀសវាងការរៀនជ្រៅ ដែលបានគ្របដណ្តប់នៅក្នុង AI for Beginners’ curriculum។ និងភ្ជាប់មេរៀនទាំងនេះជាមួយ 'Data Science for Beginners' curriculum ផងដែរ។

ធ្វើដំណើរជាមួយយើងជុំវិញពិភពលោក ខណៈយើងអនុវត្តបច្ចេកទេសចាស់ទាំងនេះលើទិន្នន័យពីតំបន់ជាច្រើននៅពិភពលោក។ មេរៀននិមួយៗរួមបញ្ចូលការប្រលងមុននិងក្រោយម៉ោងរៀន, ការណែនាំជាឡាយខេីបសម្រាប់បញ្ចប់មេរៀន, ដំណោះស្រាយមួយ, ការងារទៅមុខ និងផ្សេងៗទៀត។ វិធីសាស្រ្តបង្រៀនផ្អែកលើគម្រោងយើងអនុញ្ញាតឲ្យអ្នករៀនពេលកំពុងសាងសង់ ដែលជាវិធីបានបញ្ជាក់ថាជួយឲ្យជំនាញថ្មីៗ "នៅច្របល់" ។

✍️ អរគុណយ៉ាងខ្លាំងចំពោះអ្នកនិពន្ធរបស់យើង Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu និង Amy Boyd

🎨 អរគុណផងដល់អ្នកគូររូបភាព Tomomi Imura, Dasani Madipalli, និង Jen Looper

🙏 អរគុណពិសេស 🙏 ចំពោះ Microsoft Student Ambassador អ្នកនិពន្ធ ពិនិត្យជាតិ និងអ្នកផ្តល់មាតិកា, មានរួមទាំង Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, និង Snigdha Agarwal

🤩 អរគុណបន្ថែមចំពោះ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, និង Vidushi Gupta សម្រាប់មេរៀន R របស់យើង!

ការចាប់ផ្តើម

អនុវត្តតាមជំហានទាំងនេះ៖

1. Fork ឃ្លាំង: ចុចប៊ូតុង "Fork" នៅជ្រុងខាងត្បូងស្តាំនៃទំព័រនេះ។
2. Clone ឃ្លាំង: git clone https://github.com/microsoft/ML-For-Beginners.git

ស្វែងរកធនធានបន្ថែមទាំងអស់សម្រាប់វគ្គនេះនៅក្នុងអង្គភាព Microsoft Learn

🔧 ត្រូវការជំនួយ? ពិនិត្យមើល មគ្គុទេសក៍ដោះស្រាយបញ្ហា របស់យើងសម្រាប់ដំណោះស្រាយបញ្ហាទូទៅស្តីពីការតំឡើង ការតំរូវ និងការប្រតិបត្តិមេរៀន។

សិស្ស, ដើម្បីប្រើប្រាស់មេរៀននេះ សូម fork រួមទាំងឃ្លាំងទៅគណនេយ្យ GitHub របស់អ្នក ហើយបញ្ចប់លំហាត់ដោយផ្ទាល់ខ្លួនឬជាក្រុម៖

• ចាប់ផ្តើមជាមួយការប្រលងមុនម៉ោងរៀន។
• អានម៉ោងរៀន និងបញ្ចប់សកម្មភាពខ្លះៗ ដោយឈប់ និងពិចារណា​នៅពេលត្រួតពិនិត្យចំណេះដឹងនិមួយៗ។
• ព្យាយាមបង្កើតគម្រោងដោយឱ្យយល់ពីមេរៀន ជាជាងរត់កូដដំណោះស្រាយ។ ទោះយ៉ាងไรก็ตาม កូដនោះមាននៅក្នុងថត /solution នៃមេរៀនដែលផ្អែកលើគម្រោងនិមួយៗ។
• ធ្វើតេស្តក្រោយម៉ោងរៀន។
• បញ្ចប់ការប្រកួត។
• បញ្ចប់កិច្ចការងារ។
• បន្ទាប់ពីបញ្ចប់ក្រុមមេរៀនមួយ សូមចូលទៅកាន់ ចំវេនចំរាស ហើយ "រៀនដោយឡើងសំឡេង" ដោយបំពេញរូបមន្ត PAT ដែលសមស្រប។ 'PAT' គឺជាឧបករណ៍វាយតម្លៃអំពីវឌ្ឍនភាព ដែលជារូបមន្តអ្នកបំពេញដើម្បីបន្តការរៀន។ អ្នកអាចផ្ទេរតបនឹង PATs របស់អ្នកដទៃ ដើម្បីឲ្យយើងរៀនរួមគ្នា។

សម្រាប់ការសិក្សាបន្ថែម យើងផ្តល់អនុសាសន៍ឲ្យតាមដាន Microsoft Learn ម៉ូឌុលនិងផ្លូវរៀន។

គ្រូបង្រៀន, យើងមាន បានបញ្ចូលការណែនាំខ្លះៗ អំពីវិធីប្រើប្រាស់មេរៀននេះ។

---

វីដេអូដំណើរ

មេរៀនខ្លះមានភាពខ្លីជាវីដេអូ។ អ្នកអាចរកវាបាននៅក្នុងមេរៀនឬនៅលើ ផ្ទាំងវីដេអូ ML for Beginners នៅលើចោណាល Microsoft Developer YouTube ដោយចុចលើរូបភាពខាងក្រោម។

---

ស្គាល់ក្រុមការងារ

រូបភាព Gif ដោយ Mohit Jaisal

🎥 ចុចលើរូបភាពខាងលើសម្រាប់វីដេអូអំពីគម្រោង និងមនុស្សដែលបានបង្កើតវា!

---

វិធីបង្រៀន

យើងបានជ្រើសរើសទស្សនៈបង្រៀនពីរយ៉ាងនៅពេលបង្កើតមេរៀននេះ៖ ធានាថាវាជា គម្រោងអនុវត្ត ហើយមាន តេស្តញឹកញាប់។ ជាមួយគ្នា មេរៀននេះមាន ប្រធានបទ រួម ដើម្បីបង្កើតភាពចង៖

ដោយធានាថាមាតិការភ្ជាប់ជាមួយគម្រោង ដំណើរនេះនឹងធ្វើឲ្យសិស្សមានការចូលរួមខ្លាំងនិងជំនួយឲ្យចងចាំគំនិតបានល្អ។ លើសពីនេះទៀត តេស្តស្រោចស្រង់មុនថ្នាក់សិក្សាគឺដើម្បីបណ្តុះបណ្តាលចិត្តក្តីចង់រៀន និងតេស្តទីពីរបន្ទាប់ពីថ្នាក់ជួយការចងចាំបន្ថែមទៀត។ មេរៀននេះត្រូវបានរចនាឡើងឲ្យមានភាពបត់បែន និងរីករាយ ហើយអាចយកសព្វគ្រប់វឬខ្លះៗយ៉ាងម៉ត់ចត់។ គម្រោងនឹងចាប់ផ្តើមតូច និងកើនឡើងស្មុគស្មាញញឹកញាប់នៅចុងក្តីវគ្គ ១២ សប្តាហ៍។ មេរៀននេះមានផងដែរ អត្ថបទបន្ថែមពីការអនុវត្តនៅពិភពពិតនៃ ML ដែលអាចប្រើជាគ្រោងការសម្របសម្រួលឬជាគំហើញសម្រាប់ការពិភាក្សា។

សូមរកមើល កូដអាកប្បកិរិយា, ការចូលរួម, ការប្រែសម្រួល, និង ការដោះស្រាយបញ្ហា ទិដ្ឋភាព។ យើងសូមស្វាគមន៍មតិយោបល់ដែលសាងសង់របស់អ្នក!

មេរៀននិមួយៗ រួមមាន

• សេចក្តីបញ្ជាក់ជារូបភាពស្រេច
• វីដេអូជាការផ្គុំបន្ថែម
• វីដេអូបរិច្ឆេទ (មេរៀនខ្លះៗ)
• តេស្តអប់រំនិមួយៗមុនម៉ោងរៀន
• មេរៀនសរសេរ
• សម្រាប់មេរៀនផ្អែកលើគម្រោង, មគ្គុទេសក៍ជំហានដោយជំហានក្នុងការសាងសង់គម្រោង
• ការត្រួតពិនិត្យចំណេះដឹង
• ការប្រកួត
• កំណត់អានបន្ថែម
• កិច្ចការងារ
• តេស្តក្រោយម៉ោងរៀន

កំណត់សម្គាល់អំពីភាសា ៖ មេរៀនទាំងនេះភាគច្រើនត្រូវបានសរសេរជាភាសា Python ប៉ុន្តែភាគច្រើនក៏មានជាភាសា R ផងដែរ។ ដើម្បីបញ្ចប់មេរៀន R មួយ សូមទៅកាន់ថត /solution ហើយស្វែងរកមេរៀន R។ ពួកវារួមបញ្ចូលនូវបច្ចេកទេស .rmd ដែលតំណាងឱ្យឯកសារ R Markdown ដែលអាចត្រូវបានកំណត់ដូចជាការបញ្ចូល code chunks (នៃ R ឬភាសាផ្សេងទៀត) និង YAML header (ដែលណែនាំពីរបៀបរៀបចំលទ្ធផលដូចជា PDF) ក្នុង Markdown document មួយ។ ដូច្នេះ វាជាគ្រោងការសរសេរដ៏ល្អឥតខ្ចោះសម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ ព្រោះវាអនុញ្ញាតឱ្យអ្នកបញ្ចូលកូដរបស់អ្នក លទ្ធផលរបស់វា និងគំនិតរបស់អ្នកដោយដែលអ្នកអាចសរសេរពួកវាទៅក្នុង Markdown។ លើសពីនេះទៅទៀត ឯកសារ R Markdown អាចត្រូវបានបម្លែងទៅជារូបមន្តលទ្ធផលដូចជា PDF, HTML ឬ Word បាន។

កំណត់សម្គាល់អំពីសំណួរតេស្ត ៖ សំណួរតេស្តទាំងអស់មាននៅក្នុង ថត Quiz App សរុប 52 សំណួរតេស្ត ដែលមានសំនួរបី សម្រាប់បីសំណួរនីមួយៗ។ ពួកវាត្រូវបានភ្ជាប់ពីក្នុងមេរៀន ប៉ុន្តែកម្មវិធីសំណួរតេស្តអាចដំណើរការជាលokalបានៈ អ្នកត្រូវតែអនុវត្តតាមសេចក្ដីណែនាំនៅក្នុងថត quiz-app ដើម្បីផ្ទុកជាលokalឬបញ្ចេញទៅ Azure។

លេខមេរៀន	ក្បួនសិក្សា	ក្រុមមេរៀន	គោលបំណងការសិក្សា	មេរៀនភ្ជាប់	អ្នកនិពន្ធ
01	របៀបស្គាល់បណ្តាញឧបករណ៍	Introduction	រៀនគំនិតមូលដ្ឋាននៃការរៀនម៉ាស៊ីន	Lesson	Muhammad
02	ប្រវត្តិសាស្ត្រនៃការរៀនម៉ាស៊ីន	Introduction	រៀនអំពីប្រវត្តិដែលនៅក្រោមវិស័យនេះ	Lesson	Jen និង Amy
03	តុល្យភាព និងការរៀនម៉ាស៊ីន	Introduction	តើបញ្ហាទ្រឹស្តីសាស្ត្រសំខាន់ៗអំពីតុល្យភាពដែលនិស្សិតគួរពិចារណាពេលបង្កើតនិងអនុវត្តន៍ម៉ូឌែល ML មានអ្វីខ្លះ?	Lesson	Tomomi
04	បច្ចេកទេសសម្រាប់ការរៀនម៉ាស៊ីន	Introduction	តើបច្ចេកទេសណាដែលអ្នកស្រាវជ្រាវ ML ប្រើសម្រាប់បង្កើតម៉ូឌែល ML?	Lesson	Chris និង Jen
05	របៀបស្គាល់ថ្នាក់បង្រៀន regression	Regression	ចាប់ផ្តើមជាមួយ Python និង Scikit-learn សម្រាប់ម៉ូឌែល regression	Python • R	Jen • Eric Wanjau
06	តម្លៃផ្កាក្រហមនៅអាមេរិកជើងជើង 🎃	Regression	បង្ហាញ និង បោកសំអាតទិន្នន័យក្នុងការរៀបចំសម្រាប់ ML	Python • R	Jen • Eric Wanjau
07	តម្លៃផ្កាក្រហមនៅអាមេរិកជើងជើង 🎃	Regression	បង្កើតម៉ូឌែល regression រូបធរណីរ និងម៉ោង polynomial	Python • R	Jen និង Dmitry • Eric Wanjau
08	តម្លៃផ្កាក្រហមនៅអាមេរិកជើងជើង 🎃	Regression	បង្កើតម៉ូឌែលRegression logistic	Python • R	Jen • Eric Wanjau
09	កម្មវិធីវេប 🔌	Web App	បង្កើតកម្មវិធីវេបឲ្យប្រើម៉ូឌែលដែលបានបណ្ដុះ	Python	Jen
10	រៀបចំមុខងារ classification	Classification	បោកសំអាត, រៀបចំ, និងបង្ហាញទិន្នន័យ; រៀបចំបង់ classification	Python • R	Jen និង Cassie • Eric Wanjau
11	ម្ហូបអាស៊ី និងឥណ្ឌា ស័ក្ដិសម 🍜	Classification	រៀបចំអ្នកចែកថ្នាក់	Python • R	Jen និង Cassie • Eric Wanjau
12	ម្ហូបអាស៊ី និងឥណ្ឌា ស័ក្ដិសម 🍜	Classification	មានអ្នកចែកថ្នាក់ច្រើនទៀត	Python • R	Jen និង Cassie • Eric Wanjau
13	ម្ហូបអាស៊ី និងឥណ្ឌា ស័ក្ដិសម 🍜	Classification	បង្កើតកម្មវិធីវេបណែនាំដោយប្រើម៉ូឌែលរបស់អ្នក	Python	Jen
14	ការណែនាំ clustering	Clustering	បោកសំអាត, រៀបចំ, និងបង្ហាញទិន្នន័យ; ការណែនាំប្រព័ន្ធ clustering	Python • R	Jen • Eric Wanjau
15	ការរុករករសជាតិតន្ត្រីនៃប្រទេសនីហ្សេរី 🎧	Clustering	រុករកវិធី K-Means clustering	Python • R	Jen • Eric Wanjau
16	ការណែនាំអំពីការប្រើប្រាស់ភាសាបរិស្ថានធម្មជាតិ ☕️	Natural language processing	រៀនមូលដ្ឋានអំពី NLP ដោយបង្កើត bot ងាយៗ	Python	Stephen
17	ការងារសម្រាប់ NLP ទូទៅ ☕️	Natural language processing	ជ្រាបចំរូងនៅលើភាសាតាមរយៈការយល់ដឹងពីភារកិច្ចទូទៅដែលសំខាន់	Python	Stephen
18	ការបកប្រែ និងវិភាគអារម្មណ៍ ♥️	Natural language processing	ការបកប្រែ និងវិភាគអារម្មណ៍ជាមួយ Jane Austen	Python	Stephen
19	សណ្ឋាគារស្នេហ៍នៅអឺរ៉ុប ♥️	Natural language processing	វិភាគអារម្មណ៍ជាមួយការពិនិត្យសណ្ឋាគារ ១	Python	Stephen
20	សណ្ឋាគារស្នេហ៍នៅអឺរ៉ុប ♥️	Natural language processing	វិភាគអារម្មណ៍ជាមួយការពិនិត្យសណ្ឋាគារ ២	Python	Stephen
21	ការណែនាំប៉ុន្តែពេលវេលាស៊េរី	Time series	ការណែនាំការព្យាករណ៍ពេលវេលាស៊េរី	Python	Francesca
22	⚡️ ការប្រើប្រាស់ថាមពលពិភពលោក ⚡️ - ការព្យាករណ៍ពេលវេលាស៊េរីជាមួយ ARIMA	Time series	ការព្យាករណ៍ពេលវេលាស៊េរីជាមួយ ARIMA	Python	Francesca
23	⚡️ ការប្រើប្រាស់ថាមពលពិភពលោក ⚡️ - ការព្យាករណ៍ពេលវេលាស៊េរីជាមួយ SVR	Time series	ការព្យាករណ៍ពេលវេលាស៊េរីជាមួយ Support Vector Regressor	Python	Anirban
24	ការណែនាំដល់ការរៀនបង្រៀនបន្ថែម	Reinforcement learning	ការណែនាំការរៀនបង្រៀនបន្ថែមជាមួយ Q-Learning	Python	Dmitry
25	ជួយ Peter ជៀសវាងខ្លាឆ្នោត! 🐺	Reinforcement learning	ការរៀនបង្រៀនបន្ថែម Gym	Python	Dmitry
Postscript	ស្ថានភាពពិតនៃ ML និងការអនុវត្ត	ML in the Wild	ករណីនិងការអនុវត្តពិតនៃ ML រចនាបថបុរាណ	Lesson	ក្រុម
Postscript	ការប្តូរគំរូក្នុង ML ប្រើបញ្ជីគ្រប់គ្រង RAI	ML in the Wild	ការប្តូរគំរូក្នុងម៉ាស៊ីនរៀនប្រើបញ្ជីគ្រប់គ្រង Responsible AI	Lesson	Ruth Yakubu

ស្វែងរកធនធានបន្ថែមទាំងអស់សម្រាប់វគ្គនេះនៅក្នុងបណ្ណសាររបស់ Microsoft Learn

ការចូលដំណើរការផ្ទាល់ខ្លួន

អ្នកអាចដំណើរការ​ឯកសារ​សម្រម់នេះក្រៅអ៊ីនធឺណិតដោយប្រើ Docsify. ចម្លង repo នេះ, ដំឡើង Docsify លើម៉ាស៊ីន​ផ្ទាល់ខ្លួនរបស់អ្នក, បន្ទាប់មកនៅក្នុងថតមូលដ្ឋានរបស់ repo នេះ ចុច docsify serve។ វេបសាយនឹងត្រូវបម្រើនៅច្រក 3000 នៅលើ localhost របស់អ្នក៖ localhost:3000។

PDF

ស្វែងរក pdf នៃមេរៀននៅ ទីនេះ។

🎒 វគ្គផ្សេងទៀត

ក្រុមរបស់យើងផលិតវគ្គផ្សេងទៀតផង! សូមមើល៖

LangChain

Azure / Edge / MCP / Agents

---

ស៊េរី AI បង្កើត

---

ការសិក្សាមូលដ្ឋាន

---

ស៊េរី Copilot

ការទទួលបានជំនួយ

បើអ្នកជាប់ឬមានសំណួរពេលរៀនម៉ាស៊ីនរៀន ឬកំពុងបង្កើតកម្មវិធី AI កុំបារម្ភ — មានជំនួយសម្រាប់អ្នក។

អ្នកអាចចូលរួមពិភាក្សាជាមួយអ្នករៀន និងអ្នកអភិវឌ្ឍន៍ផ្សេងទៀត សួរសំណួរ និងចែករំបែកគំនិតរបស់អ្នកជាមួយសហគមន៍។

• ចូលរួមសហគមន៍ដើម្បីសួរសំណួរ និងរៀនជាមួយគ្នា
• ពិភាក្សាអំពីគំនិតម៉ាស៊ីនរៀន និងគម្រោង
• ទទួលបានការណែនាំពីអ្នកអភិវឌ្ឍន៍មានបទពិសោធន៍

សហគមន៍គាំទ្រជួយធ្វើឲ្យអ្នកអាចពង្រីកជំនាញ និងដោះស្រាយបញ្ហាបានលឿន។

Microsoft Foundry Discord Community

បើអ្នកជួបប្រទះបញ្ហាកំហុស កំហុសប្រតិបត្តិការ ឬមានសំណើសុំធ្វើឲ្យប្រសើរឡើង អ្នកអាចបើក Issue ក្នុងឃ្លាំងនេះដើម្បីរាយការណ៍បញ្ហា។

សម្រាប់ប្រតិកម្មផលិតផល ឬស្វែងរកបញ្ហានៅក្នុងសំណុំបែបបទសហគមន៍ សូមចូលទៅកាន់វេទិកាអ្នកអភិវឌ្ឍន៍៖

ដំបូន្មានបន្ថែមសម្រាប់ការរៀន

• ទស្សនាសៀវភៅកំណត់ត្រាបន្ទាប់ពីមេរៀនរៀងរាល់ម្តងដើម្បីយល់ដឹងល្អប្រសើរ។
• ធ្វើការអនុវត្តអាល់ហ្គរីធម៍ដោយខ្លួនឯង។
• ស្វែងរកឯកសារពិតប្រាកដដោយប្រើគំនិតដែលបានរៀន។

---

ការបដិសេធកាតព្វកិច្ច៖
ឯកសារនេះត្រូវបានបកប្រែប្រើសេវាបកប្រែ AI Co-op Translator។ ខណៈពេលដែលយើងខំប្រឹងប្រែងដើម្បីច្បាស់លាស់ សូមយល់ឱ្យបានថានៃការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមជាភាសាដើមគួរត្រូវបានគេចាត់ទុកជាធនធានដែលមានសុពលភាពខ្ពស់។ សម្រាប់ព័ត៌មានសំខាន់ សូមផ្តល់អនុសាសន៍អោយប្រើការបកប្រែដោយមនុស្សវិជ្ជាជីវៈ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែច្រឡំណាមួយដែលកើតឡើងពីការប្រើប្រាស់ការបកប្រែនេះឡើយ។